A Priori and A Posteriori Machine Learning and Nonlinear Artificial Neural Networks

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F10%3A00504210" target="_blank" >RIV/49777513:23520/10:00504210 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

A Priori and A Posteriori Machine Learning and Nonlinear Artificial Neural Networks

Popis výsledku v původním jazyce

The main idea of a priori machine learning is to apply a machine learning method on a machine learning problem itself. We call it ``a priori'' because the processed data set does not originate from any measurement or other observation. Machine learning which deals with any observation is called ``posterior''. The paper describes how posterior machine learning can be modified by a priori machine learning. A priori and posterior machine learning algorithms are proposed for artificial neural network training and are tested in the task of audio-visual phoneme classification.

Název v anglickém jazyce

A Priori and A Posteriori Machine Learning and Nonlinear Artificial Neural Networks

Popis výsledku anglicky

The main idea of a priori machine learning is to apply a machine learning method on a machine learning problem itself. We call it ``a priori'' because the processed data set does not originate from any measurement or other observation. Machine learning which deals with any observation is called ``posterior''. The paper describes how posterior machine learning can be modified by a priori machine learning. A priori and posterior machine learning algorithms are proposed for artificial neural network training and are tested in the task of audio-visual phoneme classification.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

JD - Využití počítačů, robotika a její aplikace

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Lecture Notes in Artificial Intelligence

ISSN

0302-9743

e-ISSN

—

Svazek periodika

2010

Číslo periodika v rámci svazku

6231

Stát vydavatele periodika

DE - Spolková republika Německo

Počet stran výsledku

8

Strana od-do

—

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—